Flächendeckende überwachte Klassifizierung des Stadtklimas in Local Climate Zones (LCZ)

ausgearbeitet von Stefanie Schepers

Mehr als die Hälfte der Weltbevölkerung lebt in Städten (CHING et al. 2014). In Bezug auf das Klima herrschen in Städten spezielle Bedingungen, die unter dem Begriff Stadtklima zusammengefasst werden. Dieses zeichnet sich unter anderem durch höhere Lufttemperaturen im Vergleich zur ländlichen Umgebung aus, wodurch Städte auch als urbane Hitzeinseln bzw. Urban Heat Islands (UHI) bezeichnet werden (KIM 1992).
Der klassische Ansatz zur Bestimmung der UHI basiert auf Lufttemperaturmessungen in „urbanen“ und „ruralen“ Gebieten. Ein Nachteil dieser Methode ist, dass beide Begriffe im Kontext von UHI-Studien nicht einheitlich definiert sind und unterschiedlich ausgelegt werden können. Eine neue Methode ist die Klassifizierung von Stadtarealen in „Local Climate Zones“ (LCZs), die die Stadtmorphologie bzw. das Landschaftsbild in Klassen abbilden. Hier wird die Umgebung des Lufttemperaturmesspunktes nicht nur als „urban“ oder „rural“ bezeichnet, sondern anhand von Morphologie und Oberflächeneigenschaften einer Klasse zugeordnet. Dadurch sollen verschiedene Stadtklimastudien untereinander vergleichbar sein (STEWART & OKE 2012).
Wegen der hohen Bevölkerungsdichte und der Komplexität des Stadtklimas besteht ein hoher Bedarf an Daten über die Morphologie von Städten sowie ihrem Klima. Diese Daten bilden die Grundlage für Stadtklimaanalysen, die Aussagen über den Ist-Zustand sowie über mögliche Zukunftsszenarien liefern. Hierbei sollen globale Klimaeinflüsse auf die Stadt und die urbanen Effekte auf das Stadtklima simuliert werden, um Städte den human-biometeorologischen Herausforderungen entsprechend anpassen zu können (BECHTEL et al. 2015).
Städte zeichnen sich durch ihre Heterogenität der Morphologie und der Oberflächeneigenschaften aus, wodurch sich klimatische Unterschiede innerhalb einer Stadt ergeben können (CHING et al. 2014). Das Projekt „World Urban Database and Access Portal Tools“ (WUDAPT) versucht eine Standardmethode zu etablieren, die es ermöglichen soll, über die Morphologie und die Oberflächeneigenschaften einer Stadt auf klimatische Unterschiede innerhalb dieser zu schließen und Stadtklimata weltweit zu vergleichen (BECHTEL et al. 2015; UCD 2015a). Ziel ist es, eine weltweite Datenbank zu erstellen, die die Morphologie und Oberflächeneigenschaften jeder Stadt erfasst. WUDAPT basiert auf einer überwachten Klassifizierung einer beliebigen Stadt durch sogenannte „lokale Experten“ mittels global verfügbaren Fernerkundungsdaten (CHING et al. 2014). Im Folgenden soll die Klassifizierungsmethode am konkreten Beispiel der Stadt Berlin erläutert werden. Dabei steht die Frage der Vergleichbarkeit von Klassifizierungsergebnissen unterschiedlicher Expertengruppen im Fokus.

Zentrales Element der Methode ist die Klassifizierung von Stadtarealen in LCZs nach STEWART & OKE (2012). LCZs dienen der Einteilung von natürlichen und urbanen Landschaften in Klassen, die auf klimarelevanten Oberflächeneigenschaften basieren (z. B. der Anteil versiegelter Fläche) (BECHTEL et al. 2015). LCZs sollen eine vereinfachte, kulturell neutrale Beschreibung der Landnutzung und der Oberfläche, universell einsetzbar und mit messbaren Parametern der urbanen Morphologie verknüpfbar, sein, die unabhängig von Zeit und Ort sind (BECHTEL et al. 2015; STEWART & OKE 2012; STEWART et al. 2013).
Die Klassifizierung erfolgt anhand der Höhe und der Verteilung der Gebäude im Raum, der Oberflächenbedeckung zwischen den Gebäuden und der thermischen Eigenschaften der Materialien (UCD 2015c). Den klimarelevanten Oberflächeneigenschaften entsprechend bildet unter gleichen Bedingungen jede LCZ ein charakteristisches Temperaturregime in ein bis zwei Metern Höhe aus, welches sich besonders nachts bei autochthoner Wetterlage über trockenen Oberflächen ausprägt (STEWART & OKE 2012; STEWART et al. 2013). Die ursprüngliche Motivation der Klassifizierung in LCZs war die einheitliche und detailliertere Beschreibung der Umgebung von Klimamessstationen, um die Daten verschiedener Stadtklimastudien besser miteinander vergleichen zu können (STEWART & OKE 2012).
Durch die WUDAPT-Methode können Städte weltweit miteinander verglichen werden. Um die Daten hierfür zu generieren, bedarf es der Mithilfe durch lokale Experten, die mit einer Stadt und dem Konzept der LCZs vertraut sind (UCD 2015a). Für einige Städte gibt es bereits aufbereitete Fernerkundungsdaten oder LCZ-Klassifizierungen, die im Internet frei verfügbar sind (UCD 2015b; UCD 2015d). Für alle anderen Städte müssen diese Schritte selbst durchgeführt werden. Dafür werden zunächst für jede LCZ-Klasse, die in einer Stadt und deren Umfeld vorkommt, mehrere Flächen anhand von Satellitenbildern in Google Earth identifiziert, die repräsentativ für die jeweilige Klasse sind (sogenannte Trainingsflächen). Darauf folgend wird mit einer in SAGA-GIS (Quelle: http://www.saga-gis.org) implementierten Klassifizierungsmethode („Local Climate Zone Classification“) die Stadt mittels Fernerkundungsdaten anhand von Oberflächeneigenschaften der Trainingsflächen in LCZs eingeteilt. Um diese überwachte Klassifizierung zu optimieren, ist es erforderlich, dass genügend Trainingsflächen pro LCZ-Klasse definiert werden und dass die Einteilung überprüft wird sowie ggf. die Trainingsflächen angepasst bzw. weitere definiert werden (BECHTEL et al. 2015; UCD 2015e). Danach kann die erstellte LCZ-Klassifizierung in eine Onlinedatenbank des WUDAPT-Projektes implementiert werden (UCD 2015f). Die online verfügbaren LCZ-Klassifizierungen bieten die Möglichkeit, die Stadtklimata verschiedener Städte zu vergleichen, da das Farbschema für die LCZs bereits voreingestellt ist. Außerdem können die durch die Klassifizierung gewonnenen Daten für weitere Klima- oder Energiebilanzmodellierungen genutzt werden (UCD 2015a).

2.1 Beispiel Berlin

Um die Übertragbarkeit der Klassifizierungsmethode zu testen, wird die Klassifizierung in LCZs für Berlin von verschiedenen Gruppen lokaler Experten durchgeführt. Bei den lokalen Experten handelt es sich zum einen um Studenten im Studiengang Bachelor Ökologie und Umweltplanung, zum anderen um Mitarbeiter am Fachgebiet der Klimatologie der TU Berlin. Die Arbeitszeit entspricht ca. einem Arbeitstag. Bei einem Vergleich nach zwei bis drei Anpassungsrunden der Trainingsflächen weisen die Ergebnisse der Gruppen Unterschiede auf (s. Abb. 1). Die Klassifizierungen unterscheiden sich vor allem in den Verhältnissen der LCZ-Klassen „kompakter und offener Bebauung“ sowie an „vereinzelten Bäumen und flacher Vegetation“. Die linke Klassifizierung weist im Vergleich mit der rechten weniger Flächen der Klasse „vereinzelte Bäume“ auf, dafür mehr Flächen an „flacher Vegetation“. Außerdem ist der Anteil an „kompakter Bebauung“ deutlich höher. Bei den Klassen „Wasser“ und „dichter Baumbestand“ bestehen hingegen nicht so deutliche Unterschiede. Generell sind bei beiden Klassifizierungen der grobe Stadtumriss und einige stadtspezifische Merkmale, wie der Tiergarten und das Tempelhofer Feld, erkennbar.
Im Gespräch zwischen den lokalen Experten wird deutlich, dass besonders die Definitionen der Klassen der Bebauung am praktischen Beispiel unterschiedlich interpretiert und somit die Grenzen unterschiedlich gezogen werden. Bei der Erstellung der Trainingsflächen bestehen Unklarheiten hinsichtlich der Fragen, wie heterogen die Trainingsflächen maximal sein dürfen und ob die Homogenität wichtiger ist als die Anzahl der Trainingsflächen.

Das Klassifizieren in der Stadtklimatologie ist keine neue Methode (vgl. AUER 1978; ELLEFSEN 1991; SCHERER et al. 1999). Laut STEWART & OKE (2012) enthalten die alten Klassifizierungen Schwachstellen, die im Konzept der LCZs verbessert wurden: i) Der Gebrauch eines kompletten Sets an klimarelevanten Oberflächeneigenschaften, ii) ländliche Bereiche sind mitinbegriffen und iii) die Namen und Definitionen sind kulturell unabhängig und können einheitlich gebraucht werden.
Ursprünglich sollte das Konzept der LCZs nur für die Klassifizierung von Messstandorten in UHI-Studien dienen, um eine Vergleichbarkeit zwischen verschiedenen Studien in unterschiedlichen Städten zu schaffen. Die zuvor standardmäßig gebrauchten Begriffe „urban“ und „rural“ können keine universelle Beschreibung der Morphologie, der Oberflächeneigenschaften und des Klimas liefern (STEWART & OKE 2012). Für diese Anwendung existieren erste Stadtklimastudien, die zeigen, dass die Einteilung in LCZs sinnvoll ist und Vergleichbarkeit schafft (vgl. ALEXANDER & MILLS 2014; LECONTE et al. 2015; STEWART et al. 2014).
Im WUDAPT-Projekt wird das Anwendungsgebiet der LCZs auf die Einteilung ganzer Städte und deren Umgebung erweitert. Diese Methode birgt einige Herausforderungen. Da die LCZs abstrakt sind, sind sie zwar weltweit verständlich, allerdings findet sich die vorgegebene Homogenität selten in der Realität (STEWART & OKE 2012). Laut BECHTEL et al. (2015) sind jedoch nicht die Mittelwerte jeder Klasse, sondern die Grenzen zwischen den Klassen entscheidend für die Einteilung. Sollte ein Gebiet keiner Definition einer LCZ entsprechen, besteht die Möglichkeit der Bildung von Subklassen, z. B. Hochhäuser gemischt mit mittelhohen Gebäuden in offener Struktur (CHING et al. 2014; STEWART & OKE 2012). Dies ermöglicht einerseits eine detailliertere Darstellung der Stadtstruktur für den folgenden Gebrauch von Modellen mit feinerer Auflösung, andererseits führt es zu einer Einschränkung der Vergleichbarkeit mit anderen Städten, da Subklassen seltener vorkommen (CHING et al. 2014; STEWART & OKE 2012).
Des Weiteren müssen die Skalen der verschiedenen Arbeitsschritte betrachtet werden: Das Konzept gibt eine Skala von hunderten Metern bis einigen Kilometern vor (STEWART & OKE 2012). Da Städte eine heterogene Oberfläche haben, ist für die Klassifizierung ein feineres Raster nötig, aber die Skala muss angemessen bleiben (CHING et al. 2014). Für die Einteilung gelten 100 – 150 Meter als geeignete Rastergröße, da jedes Pixel im verwendeten Fernerkundungsdatensatz (Landsat) aus einem vergleichbaren Bruchteil der LCZ bestehen sollte und die charakteristischen Oberflächeneigenschaften widerspiegeln muss (BECHTEL et al. 2015). Es sollte beachtet werden, dass innerhalb einer LCZ Unterschiede im mikroskaligen Bereich bestehen (LECONTE et al. 2015). Dementsprechend sollten die Trainingsflächen mindestens 150 Meter an der schmalsten Stelle sein. Dies gilt auch, weil die im Internet frei verfügbaren Landsat-Fernerkundungsdaten eine maximale Rastergröße von 120 Metern haben (UCD 2015e). Außerdem sollten die Anforderungen des Nutzers und die der folgenden Anwendungen in die Entscheidung für eine Rastergröße mit einfließen (BECHTEL et al. 2015; CHING et al. 2014). Da die Daten für Modelle im mikro- bis makroskaligen Bereich genutzt werden können, sollten für gröbere Skalen jedoch nicht die LCZs gemittelt werden, sondern die dahinterstehenden klimarelevanten Oberflächeneigenschaften (BECHTEL et al. 2015).
Die Einbindung von lokalen Experten ins WUDAPT-Projekt hat Vor- und Nachteile. Auf der einen Seite können Daten mittels überwachter Klassifizierung effizient und theoretisch akkurat in einem angemessenen Zeitraum gewonnen werden (BECHTEL et al. 2015; CHING et al. 2014). Da nur frei zugängliche Daten und Software gebraucht werden, kann ein breites Spektrum an lokalen Experten angesprochen werden (UCD 2015a). Auf der anderen Seite hängt das Ergebnis des gesamten Projekts von der Erfahrung und der Intensität der Beteiligung lokaler Experten ab (CHING et al. 2014). Eigene Erfahrungen der Projektgruppe als „lokale Experten“ am Beispiel Berlins zeigen, dass die semiautomatische Einteilung zwar zügig umzusetzen ist, die Ergebnisse sich aber unterscheiden. Eine mögliche Ursache dafür könnten die unterschiedlichen Interpretationen der Definitionen der LCZ-Klassen durch die lokalen Experten sein. Durch ihre Abstraktheit sind die LCZ-Klassen zwar einerseits verständlich, andererseits entsteht gleichzeitig Interpretationsspielraum am praktischen Beispiel. Außerdem bestehen Unklarheiten bei der Umsetzung bezüglich der geforderten Homogenität der Trainingsflächen.

Die LCZ-Klassifizierung bildet eine Weiterentwicklung bisheriger Klassifizierungen in der Stadtklimatologie und ist theoretisch geeignet die klimarelevante Stadtmorphologie darzustellen. Durch die Abstraktheit der LCZs kann die Methode weltweit angewandt werden, jedoch entsteht dadurch Interpretationsspielraum bei der Anwendung. Folglich ist es nötig, sich vorher mit dem Konzept der LCZs vertraut zu machen und sich die Definitionen bzw. Unterschiede zwischen den Klassen zu verdeutlichen. Die hinter der Klassifizierung stehenden klimarelevanten Oberflächeneigenschaften können für verschiedene Stadtklimamodelle genutzt werden. Hier sollten vor der Klassifizierung die Skalen des Konzepts, der Einteilung und der Nutzeranforderungen betrachtet und die Rastergröße dementsprechend gewählt werden.
Die Klassifizierungen am Beispiel Berlins zeigen, dass die Ergebnisse abhängig vom lokalen Experten variieren. Jedoch sind in allen Klassifizierungen der grobe Stadtumriss und einzelne Stadtspezifika, z. B. der Tiergarten und das Tempelhofer Feld, erkennbar. Somit kann die LCZ-Klassifizierung praktisch nur grob die klimarelevante Stadtmorphologie darstellen. Trotz der Unterschiede, die sich im Ergebnis zeigen können, ist die Beteiligung von lokalen Experten eine Möglichkeit, Daten über Städte weltweit in einem vergleichsweise kurzen Zeitraum zu generieren. Wie stark diese Unterschiede ausfallen können, sollte näher untersucht werden, z. B. anhand der entstandenen Daten für Berlin. Da die im WUDAPT-Projekt verwendete Methode noch neu ist, besteht generell Bedarf an Untersuchungen und Optimierungen.

Abbildung 1 – Zwei LCZ-Klassifizierungen (LCZ=„Local Climate Zones“) nach BECHTEL et al. (2015) für Berlin (eigene Darstellung).  

ALEXANDER, P.J. & MILLS, G., 2014: Local Climate Classification and Dublin’s Urban Heat Island. Atmosphere, 5(4), 755–774 S.

AUER, A.H., 1978: Correlation of land use and cover with meteorological anomalies. Journal of Applied Meteorology, 17(5), 636–643 S.

BECHTEL, B., ALEXANDER, P., BÖHNER, J., CHING, J., CONRAD, O., FEDDEMA, J., MILLS, G., SEE, L. & STEWART, I., 2015: Mapping local climate zones for a worldwide database of form and function of cities. International Journal of Geographic Information, 4(1), 199–219 S.

CHING, J., MILLS, G., FEDEMA, J., OLESON, K., SEE, L., STEWART, I., BECHTEL, B., CHEN, F., NEOPHY-TOU, M. & HANNA, A., 2014: Facilitating advanced urban canopy modeling for weather, climate and air quality applications. American Meteorological Society Symposium on Urban Environment, 2–7 February 2014, Atlanta Georgia.

ELLEFSEN, R., 1991: Mapping and measuring buildings in the urban canopy boundary layer in ten US cities. Energy and Buildings, 16(3), 1025–1049 S.

KIM, H.H., 1992: Urban heat island. International Journal of remote sensing, 13(12), 2319–2336 S.

LECONTE, F., BOUYER, J., CLAVERIE, R. & PÉTRISSANS, M. 2015: Using Local Climate Zone scheme for UHI assessment: Evaluation of the method using mobile measurements. Building and Environment, 83, 39–49 S.

SCHERER, D., FEHRENBACH, U., BEHA, H.-D. & PARLOW, E., 1999: Improved concepts and methods in analysis and evaluation of the urban climate for optimizing urban planning processes. Atmospheric Environment, 33(24), 4185–4193 S.

STEWART, I.D. & OKE, T., 2012: Local Climate Zones for Urban Temperature Studies. Bulletin of the American Meteorological Society, 1887–1900 S.

STEWART, I.D., OKE, T. & KRAYENHOFF, E.S., 2014: Evaluation of the `local climate zone´ scheme using temperature observations and model simulations. International Journal of Climatology, 34(4), 1062–1080 S.

UNIVERSITY COLLEGE DUBLIN (UCD), UNIVERSITY OF NORTH CAROLINA, INTERNATIONAL INSTITUTE FOR APPLIED SYSTEMES ANALYSIS (Hrsg.), 2015a: World Urban Database and Access Portal Tools. Online im Internet: URL: http://www.wudapt.org/ [Stand 09.11.2015].

UNIVERSITY COLLEGE DUBLIN (UCD), UNIVERSITY OF NORTH CAROLINA, INTERNATIONAL INSTITUTE FOR APPLIED SYSTEMES ANALYSIS (Hrsg.), 2015b: World Urban Database and Access Portal Tools – create LCZ training areas. Online im Internet: URL: http://www.wudapt.org/create-lcz-training-areas/ [Stand 09.11.2015].

UNIVERSITY COLLEGE DUBLIN (UCD), UNIVERSITY OF NORTH CAROLINA, INTERNATIONAL INSTITUTE FOR APPLIED SYSTEMES ANALYSIS (Hrsg.), 2015c: World Urban Database and Access Portal Tools – LCZ framework. Online im Internet: URL: http://www.wudapt.org/lcz/lcz-framework/ [Stand 09.11.2015].

UNIVERSITY COLLEGE DUBLIN (UCD), UNIVERSITY OF NORTH CAROLINA, INTERNATIONAL INSTITUTE FOR APPLIED SYSTEMES ANALYSIS (Hrsg.), 2015d: World Urban Database and Access Portal Tools – view LCZ maps. Online im Internet: URL: http://www.wudapt.org/view-lcz-maps/ [Stand 09.11.2015].

UNIVERSITY COLLEGE DUBLIN (UCD), UNIVERSITY OF NORTH CAROLINA, INTERNATIONAL INSTITUTE FOR APPLIED SYSTEMES ANALYSIS (Hrsg.), 2015e: World Urban Database and Access Portal Tools – create LCZ training areas. Online im Internet: URL: http://www.wudapt.org/create-lcz-training-areas/step-5/ [Stand 09.11.2015].

UNIVERSITY COLLEGE DUBLIN (UCD), UNIVERSITY OF NORTH CAROLINA, INTERNATIONAL INSTITUTE FOR APPLIED SYSTEMES ANALYSIS (Hrsg.), 2015f: World Urban Database and Access Portal Tools – upload your files. Online im Internet: URL: http://www.wudapt.org/create-lcz-classification/step-3/ [Stand 27.12.2015].